如何通过单应/透视变换实现平面内给定坐标矩形的任意角度旋转

你要实现的同平面内矩形自然旋转完全可以通过单应性（透视变换）实现，具体操作步骤如下：

前置准备 #

首先整理你给出的矩形四个角点（按顺序排列的(x,y)坐标）：

• 点1：(47.1317829457364, 320)
• 点2：(144.62015503876, 837.953488372093)
• 点3：(547.720930232558, 741.209302325581)
• 点4：(361.674418604651, 331.162790697674)

步骤1：计算矩形自身中心点 #

以矩形中心为旋转基点，才能保证旋转时矩形不会偏移原位置：

cx = (47.1317829457364 + 144.62015503876 + 547.720930232558 + 361.674418604651) / 4 ≈ 275.287
cy = (320 + 837.953488372093 + 741.209302325581 + 331.162790697674) / 4 ≈ 557.581

步骤2：生成旋转后的目标点坐标 #

设你需要旋转的角度为θ（使用弧度制，角度转弧度公式：弧度 = 角度 * π / 180），每个源点(x,y)旋转后的坐标(x', y')计算规则为：

x' = (x - cx) * cosθ - (y - cy) * sinθ + cx
y' = (x - cx) * sinθ + (y - cy) * cosθ + cy

按上述公式对四个源点逐一计算，得到一一对应的四个旋转后目标点。

步骤3：计算单应性变换矩阵 #

以Python+OpenCV实现为例，直接调用内置方法即可得到3*3的单应性矩阵H：

import cv2
import numpy as np

# 源点数组，顺序和你给出的角点顺序一致
src_points = np.array([
    [47.1317829457364, 320],
    [144.62015503876, 837.953488372093],
    [547.720930232558, 741.209302325581],
    [361.674418604651, 331.162790697674]
], dtype=np.float32)

# 替换成你计算得到的四个旋转后目标点，顺序必须和源点严格对应
dst_points = np.array([
    # t1坐标,
    # t2坐标,
    # t3坐标,
    # t4坐标
], dtype=np.float32)

# 计算单应性矩阵
H, _ = cv2.findHomography(src_points, dst_points)

步骤4：应用变换得到结果图像 #

调用透视变换方法处理原图即可：

# original_img为你读入的原始图像
# 第三个参数为输出图像的宽高，若要保留完整旋转后内容可自行调大尺寸
warped_img = cv2.warpPerspective(original_img, H, (original_img.shape[1], original_img.shape[0]))

注意事项 #

• 四个源点和目标点的顺序必须严格对应，否则会出现图像扭曲错位
• 如果只是实现纯平面内的刚性旋转，用仿射变换也可以实现，但单应性的兼容性更强，后续如果需要添加倾斜、透视变化等效果无需调整流程
• 若旋转后矩形边缘被裁剪，可提前计算旋转后的矩形外接框尺寸，调整warpPerspective的第三个参数适配

内容的提问来源于stack exchange，提问作者Brans